La información facilitada por la agencia de la educación se puede desglosar en tres bases de datos que tienen observación para los estudiantes de la muestra y sus padres. A continuación se detallan el número de observaciones y variables respectivas.

Se realiza un merge con las tres bases de datos anteriores consolidando todo en una base única (bbdd). A raíz de las diferencias entre las observaciones disponibles detalladas en la tabla anterior, se obtiene un número importante de casos pérdidos para la base final.

A pesar de que la unión de estas tres bases de datos arroja una base general bbdd con 10.213 observaciones, se debe considerar que hay 3.443 casos para los que no tenemos información completa disponible en alguna de las tres bases de datos anteriores. A partir A continuación se realiza una aproximación exploratoria para las variables existentes en cada una de las tres bases de datos. En la siguiente sección se realizará un análisis más detallado de estos casos pérdidos.

El principal inconveniente de estas bases de datos es que las categorías 99 (doble marca) y 0 (vacío) no están registrados como casos pérdidos, por ende perdemos aún más observaciones sobre todo en el cuestionario de padres. Se debe tener claro esto a la hora de realizar los análisis en pro de las hipótesis del proyecto.

Dadas las diferencias observadas en el merge entre las tres bases de datos se procede a realizar un análisis que tiene por objetivo dimensionar la no respuesta a los cuestionarios completos y a la prueba de conocimiento. Dada la codificación presentada en el apartado anterior se debe tener claro la existencia de missing (valores 0 y 99) para variables en particular, lo cual será revisado en detalle para las variables de interés del estudio. A continuación se presenta el análisis general de la no respuesta.

Bases de datos independientes

#Cantidad de no respuesta prueba de conocimiento
sum(is.na(bbdd_puntajes$puntaje))

[1] 1841

#Cantidad de no respuesta en el cuestionario de alumnos
sum(!complete.cases(bbdd_alumnos))

[1] 6215

#Cantidad de no respuesta en el cuestionario de padres 
sum(!complete.cases(bbdd_padres))

[1] 6768

• La no respuesta para la base bbdd_puntajes corresponde a 1841 observaciones, para las cuales no hay información en los resultados de la prueba de conocimiento.

• Para la base de datos bbdd_alumnos no se observa una falta de respuesta completa a los cuestionarios, sin embargo, todas las variables de este estudio presentan niveles de no respuesta a considerar. Dicho esto, se debe tener en cuenta que esta base de datos solo cuenta con una muestra de 8589 observaciones para los análisis.

• Para el cuestionario de padres bbdd_padres se observa que una importante conjunto de casos perdidos estan en la pregunta referida al nivel educacional alcanzado por el respondente y su cónyuge/pareja (BBDD Padres). Se especula que esto se produce a raíz de la codificación de la pregunta, en que las personas indican solo una opción de nivel educacional aunque no hay información respectiva que ayude a identificar cada pregunta. Revisar con detalle esta pregunta pues es relevante su utilización.

Merge de las bases de datos

#Identificamos respuestas en ambos cuestionarios
bbdd_alumnos$resp_al <- 1
bbdd_padres$resp_pap <- 1

#Merge con la base de alumnos
bbdd_missing1 <- merge(bbdd_puntajes, bbdd_alumnos, by="idalumno", all=T, suffixes = c("",".y"))
#Identificamos missing
bbdd_missing1$resp_al[is.na(bbdd_missing1$puntaje) & bbdd_missing1$resp_al == 1] <- 0
#Exploramos
skim_with(numeric = list(complete=NULL, p25=NULL, p50=NULL, p75=NULL),factor = list(complete=NULL), integer = list(complete=NULL), character = list(complete=NULL))
skim(as.factor(bbdd_missing1$resp_al)) %>% pander()

Skim summary statistics
n obs:
n variables:

#Dado del nivel de missing de la base original se obtiene la diferencia
(1624 + 245)-1841 #Hay 28 observaciones más con los resultados en la prueba de conocimiento.

[1] 28

#Generamos una base de datos solo con la información disponible
bbdd1<- merge(bbdd_puntajes, bbdd_alumnos, by="idalumno", all=F, suffixes = c("",".y"))
bbdd1$resp_al[is.na(bbdd1$puntaje) & bbdd1$resp_al == 1] <- 0
bbdd1 <- bbdd1[!bbdd1$resp_al == "0", ] 

#Realizamos el mismo ejercicio para identificar los missing con el cuestionario de padres a partir de la última base de datos generada
bbdd_missing2 <- merge(bbdd1, bbdd_padres, by="idalumno", all=T, suffixes = c("",".y"))
#Identificamos missing
bbdd_missing2$resp_pap[is.na(bbdd_missing2$resp_al) & bbdd_missing2$resp_pap == 1] <- 0
skim(as.factor(bbdd_missing2$resp_pap)) %>% pander()

Skim summary statistics
n obs:
n variables:

Al realizar el merge respectivo entre las bases bbdd_puntajes y bbdd_alumnos se observa la pérdida de información de 1624 observaciones para los/as cuales no tenemos datos sobre la prueba de conocimiento ni de los cuestionarios, esto se genera por defecto a la hora de unir las bases. A su vez, se observa 245 casos que aparecen con información solo en el cuestionario para estudiantes, pero no tienen un puntaje en la prueba de conocimiento, está perdida es relevante, pues considera las variables de análisis. Por último, se estima 28 observaciones adicionales que solo tienen información en la prueba de conocimiento. En definitiva, se pierden 1869 observaciones de las cuales 1841 corresponden por no tener información en la base de datos de puntaje y 28 por no tener información en los cuestionarios.

El merge de ambas bases de datos nos deja un saldo de 8344 casos en los que efectivamente hay información de datos con los puntajes obtenidos en la prueba de conocimiento y el cuestionario respectivo (se mantienen una base de datos solo con estos casos).

Mismo ejercicio para incorporar la base de datos bbdd_padres. Aquí observamos la pérdida de 2002 casos en las que no hay información disponible para el cuestionario de padres. Nuevamente, esta información perdida se da por defecto al unir ambas bases de datos. A su vez, hay otros 428 casos para los cuales si tenemos información en el cuestionario de padres, pero no para el cuestionario de alumnos ni resultados en la prueba de conocimiento. En definitiva, la unión de las tres bases nos dejan un resultado de 6342 observaciones con información disponible en los tres insumos, lo que será la base de trabajo. Por el momento solo se etiquetan las variables utilizadas en la sección de Variables Espejo: vínculo entre padres e hijos

Finalmente, en un intento por dimensionar la no respuesta se realizan regresiones binomiales sobre no responder/responder el cuestionario con variables sociodemográficas disponibles. Lamentablemente, esto se realiza con la información disponible por lo que no hay como identificar otros antecedentes cuando no hay datos para ninguna de las bases tal como se detallo previamente. Los resultados muestran que el aumento de libros en el hogar aumenta las chances de responder el cuestionario en 1.39 veces más controlando por el sexo de los estudiantes y religión. Por otra parte, ser hombre disminuye las chances de responder el cuestionario en 0.75 veces respecto de ser mujer controlando por las otras variables. Esto podría caracterizar la no respuesta, aunque no hay suficiente información disponible para realizar un ejercicio más completo.

En la siguiente sección revisaremos las variables disponibles para proceder a su análisis descriptivo. Para este ejercicio se utilizara una base de datos consolidada con información para las tres bases de datos. En ese sentido, se asume el costo de representatividad de la muestra dada la pérdida de casos.

#Intento por dimensionar la no 
#Base de datos alumnos
nresp <- subset(bbdd_missing1, select = c(resp_al, sexo, alp2, alp3))
nresp <- nresp[complete.cases(nresp$resp_al),]
nresp <- glm(as.factor(resp_al)~sexo+alp2+alp3, data=nresp, family="binomial")
#Tabla
stargazer(nresp, title = "No respuesta cuestionario alumnos",
           covariate.labels=c("Sexo estudiante", "Religión", "Libros en el hogar"),
          column.labels=c("Modelo Alumnos"), type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")

exp(0.327)

[1] 1.386801

exp(-0.289)

[1] 0.7490122

A continuación se presentan todas las temáticas presentes en los cuestionarios de alumnos y sus padres. Es importante mencionar que el identificador nos permite observar si es que dicha temática se encuentra disponible en ambas bases de datos o solo en una.

A partir de las variables con información disponible en ambos cuestionarios: estudiantes y padres se considerarn como relevantes los siguientes temas de investigación para el proyecto: interés político, percepción sobre la democracia. participación política, participación en organizaciones, atributos de un buen ciudadano, confianza en las instituciones y percepciones sobre paz y violencia. La tabla a continuación detalla las preguntas específicas y sus atributos referidos a estos temas.

#Tabla con las temáticas relevantes para el proyecto
proyecto <- subset(variables, select = c(1,4,5,6))
#Filtramos por las temáticas de interés 
proyecto <- proyecto %>%
  filter(Identificador=="Alumno y Padres" & Temática=="Interés Político" |  Temática=="Percepciones sobre la democracia" | Temática=="Participación Política" | Temática=="Participación en organizaciones"  | Temática=="Buen Ciudadano" |  Temática=="Confianza en las instituciones"   | Temática=="Percepciones sobre paz y violencia" | Temática=="Clima escolar")
#Tabla
proyecto <- subset(proyecto, select = c(2:4))
datatable(proyecto, rownames=FALSE, filter="top", options=list(pageLength=20, scro11X=TRUE), style="default", class="compact")

Otras temáticas interesantes de observar y que no están consideradas en este listado y análisis son las siguientes: actitudes hacia inmigrantes y grupos étnicos, actitudes hacia la equidad de género, percepciones sobre la igualdad de oportunidades y preferencias por desigualdad.

En términos de variables sociodemográficas se consideran variables relevantes para los estudiantes y sus padres. Finalmente, en temas de clima escolar se observan 10 indicadores diversos. A su vez, se evidencian inconsistencias en las siguientes variables:

• Fecha de Nacimiento (mes) padres: variable presenta varios valores atípicos dentro de la muestra final (239 casos con valor 999).
• Fecha de Nacimiento (año) padres: variable presenta varios valores atípicos dentro de la muestra final (146 casos con años de nacimiento inferiores a 1900 y 125 casos con años de nacimiento superiores a los 1995).
• Edad padres: variable no disponible en la base de datos con el cuestionario para padres.
• Trabajo principal de los padres: Variable codificada con 0 y 1, no hay más información.
• Nivel educacional de los padres: Variable con dos valores que identifica si el respondente o el cónyuge tiene un nivel educativo específico. Son 10 niveles educacionales (revisar una potencial recodificación).

#Tabla con las temáticas relevantes para el proyecto
sociod <- subset(variables, select = c(1,4,5,6))
#Filtramos por las temáticas de interés 
sociod <- sociod %>%
  filter(Identificador=="Padres" | Identificador=="Alumno y Padres" & Temática=="Sociodemográficos") %>%
  filter(Temática=="Sociodemográficos")
#Tabla
sociod <- subset(sociod, select = c(2:4))
datatable(sociod, rownames=FALSE, filter="top", options=list(pageLength=30, scro11X=TRUE), style="default", class="compact")

#Despejamos el environment
rm(proyecto, sociod, temas, variables)
#Generamos una base de datos solo con la información disponible: 6342 observaciones
bbdd<- merge(bbdd_puntajes, bbdd_alumnos, by="idalumno", all=F, suffixes = c("",".y"))
bbdd$resp_al[is.na(bbdd$puntaje) & bbdd$resp_al == 1] <- 0
bbdd <- bbdd[!bbdd$resp_al == "0", ] 
#Agregamos la segunda base
bbdd <- merge(bbdd, bbdd_padres, by="idalumno", all=F, suffixes = c("",".y"))
bbdd$resp_pap[is.na(bbdd$resp_al) & bbdd$resp_pap == 1] <- 0
bbdd <- bbdd[!bbdd$resp_pap == "0", ] 

• Género: Distribución de la muestra de estudiantes por género.

#Revisamos la variable 
sexo <- subset(bbdd, select = c("sexo"))
sexo <- sexo %>%
  group_by(sexo)%>%
  summarize(n=n())%>%
  mutate(prop=n/sum(n)*100) 

sexo$prop <- round(sexo$prop, digits = 1)
total <- c("Total", 6342, 100)
sexo <- rbind(sexo, total)
#Tabla
colnames(sexo) <- c("Genero", "Observaciones", "%")
datatable(sexo, rownames=FALSE, filter="none", options=list(pageLength=10, scro11X=TRUE), style="default", class="compact")

#Removemos  
rm(sexo, total)

• Libros en el hogar: variable categórica que identifica la cantidad de libros en el hogar según el estudiante. Veremos en la sección de Padre/Madre también hay un indicador de esta dimensión.

#Libros en el hogar (estudiantes)
bbdd$libros <- bbdd$alp3
bbdd$libros <-factor(bbdd$libros, levels = c(1,2,3,4,5), labels = c("0 a 11", "10 a 25", "26 a 100", "101 a 200", "200 o más"))
libros <- subset(bbdd, select = c("libros"))
libros <- na.omit(libros)

#Frecuencias
libros_freq <- libros %>%
  group_by(libros)%>%
  summarize(n=n())%>%
  mutate(prop=n/sum(n)*100) 
libros_freq$prop <- round(libros_freq$prop, digits = 1)
total <- c("Total", 6267, 100)
libros_freq <- rbind(libros_freq, total)

#Tabla
colnames(libros_freq) <- c("Libros en el hogar (estudiantes)", "Observaciones", "%")
datatable(libros_freq, rownames=FALSE, filter="none", options=list(pageLength=10, scro11X=TRUE), style="default", class="compact")

#Graficamos cantidad de libros en el hogar
ggplot(data=libros, aes(libros)) + geom_bar(aes(y = ((..count..)/sum(..count..))), stat="count", colour="black") + 
  scale_x_discrete(labels = c("0 a 11","10 a 25","26 a 100","101 a 200","200 o más")) +     scale_y_continuous(labels = scales::percent) +
  geom_text(aes(label = scales::percent(((..count..)/sum(..count..))),
                   y= ((..count..)/sum(..count..))), stat= "count", vjust=-.5, size=3) +
  ggtitle("Libros en el hogar estudiantes (n=6267)") +
  labs(x = "Cantidad de libros", y = "%") 

#Removemos  
rm(libros_freq, libros, total)

• Género: Se recodifica la variable con valores 0 para hombre (pap2==1) y 1 mujer (pap2==2). De esta manera, se asume que el respondente es el padre o madre del estudiante.

#Género Padres
bbdd$generopap[bbdd$pap2==1] <- 0 #Padre (Hombre)
bbdd$generopap[bbdd$pap2==2] <- 1 #Madre (Mujer)

#Revisamos la variable 
genero <- subset(bbdd, select = c("generopap"))
genero <- na.omit(genero)

genero <- genero %>%
  group_by(generopap)%>%
  summarize(n=n())%>%
  mutate(prop=n/sum(n)*100) 

genero$prop <- round(genero$prop, digits = 1)
total <- c("Total", 6211, 100)
genero <- rbind(genero, total)
genero$generopap[genero$generopap==0] <- "Padre"
genero$generopap[genero$generopap==1] <- "Madre"

#Tabla
colnames(genero) <- c("Genero", "Observaciones", "%")
datatable(genero, rownames=FALSE, filter="none", options=list(pageLength=10, scro11X=TRUE), style="default", class="compact")

#Removemos  
rm(genero, total)

• Año de nacimiento del padre/madre (proxy edad): Dado que la variable edad del padre/madre no está disponible se procede a utilizar el año de nacimiento como una aproximación de esta dimensión. A partir de inconsistencias observadas en los datos, se procede a dejar como missing 146 observaciones con años de nacimiento inferiores a 1900 y 125 casos con años de nacimiento superiores a los 1995. En esta secuencia se generan tres variables: edad, edad del padre y edad de la madre. Si es que se utiliza esta variable en el análisis se recomienda excluir atípicos sobre los 75 años (50 observaciones).

#Corrección años de nacimiento 
bbdd$pap1_2[bbdd$pap1_2<1900] <- NA
bbdd$pap1_2[bbdd$pap1_2>1995] <- NA
#Edad General (ambos padres)
bbdd$edad <- 2019 - bbdd$pap1_2
#Edad del Padre 
bbdd$edad_pa <- ifelse(bbdd$genero==0, (2019 - bbdd$pap1_2), NA)
#Edad de la Madre 
bbdd$edad_ma <- ifelse(bbdd$genero==1, (2019 - bbdd$pap1_2), NA)
#Descriptivos
edad <- subset(bbdd, select = c("edad", "generopap"))
skim_with(numeric = list(complete=NULL, p25=NULL, p50=NULL, p75=NULL),factor = list(complete=NULL), integer = list(complete=NULL), character = list(complete=NULL))
skim(edad$edad) %>% pander()

Skim summary statistics
n obs:
n variables:

#Gráficos
edad <- na.omit(edad)
ggplot(data=edad, aes(edad)) + geom_histogram(aes(y =..density..),binwidth=1, colour="black") + ggtitle("Histograma edad de la muestra (n=5810)") +
  labs(x = "Edad", y = "Frecuencia") +
    stat_function(fun = dnorm, 
        args = list(mean = mean(edad[,1], na.rm = TRUE), 
                    sd = sd(edad[,1], na.rm = TRUE)), 
        colour = 'darkred', size = 1) 

#Edad Padre y Madre
edad$genero <-factor(edad$generopap, levels = c(0,1), labels = c("Padre", "Madre"))
#Gráfico
ggplot(data=edad, aes(edad)) + 
  geom_histogram(aes(y =..density..),binwidth=1, colour="black") +
    facet_wrap(~genero) +
  ggtitle("Histograma Edad") +
  labs(x = "Edad", y = "Frecuencia") +
    stat_function(fun = dnorm, 
        args = list(mean = mean(edad[,1], na.rm = TRUE), 
                    sd = sd(edad[,1], na.rm = TRUE)), 
        colour = 'darkred', size = 1) 

rm(edad)

• Educación del padre/madre: esta variable se construyó a partir de la información disponible en 10 variables que identifican los niveles educacionales. En otras palabras, cada una de estas variables corresponde a un nivel educacional con código 1 si es que corresponde al nivel educacional del respondente y código 2 si corresponde al nivel educacional del cónyuge.

A partir de esta información se construye una nueva variable que identifica el nivel educativo del respondente y el cónyuge, en función al número de columna que tiene valor 1 y 2. Posterior a eso, se procede a identificar si corresponde al nivel educativo del padre o la madre cruzando con la variable género (se asume por defecto que el respondente es el padre/madre del alumno). Las categorías duplicadas, vale decir más de una columna con valor 1 o 2,fueron consideradas como casos pérdidos dentro de la muestra.

Finalmente, se asume esta variable como continua de 10 niveles producto de la falta de información disponible para imputar una etiqueta. En el SIMCE, por ejemplo, se utiliza una variable de 21 categorías, lo cual no permite realizar una imputación fundamentada de categorías educacionales.

#Base de datos de prueba 
#ed <- subset(bbdd, select = c(242:251))
#Parte 1 codificación del nivel educativo del repondente (1) y su cónyuge/pareja (2).
#Nivel educacional del respondente (1)
#Identificamos el nivel educativo (columna con valor 1)
num1 <- apply(bbdd[242:251], 1, function(row) which(row == 1))
bbdd$educ1 <- sapply(num1, function(x){as.numeric(x[1])})
#Observamos que hay columnas duplicadas (valor 1 para dos columnas distintas)
num1_rep <- apply(bbdd[242:251], 1, function(row) which(row == 1))
bbdd$educ1_rep <- sapply(num1_rep, function(x){as.numeric(x[2])})
#Eliminamos estos duplicados
bbdd$educ1[bbdd$educ1_rep!=is.na(bbdd$educ1_rep)] <- NA

#Nivel educacional del cónyuge/pareja (2)
#Identificamos el nivel educativo (columna con valor 2)
num2 <- apply(bbdd[242:251], 1, function(row) which(row == 2))
bbdd$educ2 <- sapply(num2, function(x){as.numeric(x[1])})
#Observamos que hay columnas duplicadas (valor 2 para dos columnas distintas)
num2_rep <- apply(bbdd[242:251], 1, function(row) which(row == 2))
bbdd$educ2_rep <- sapply(num2_rep, function(x){as.numeric(x[2])})
#Eliminamos estos duplicados
bbdd$educ2[bbdd$educ2_rep!=is.na(bbdd$educ2_rep)] <- NA

#Removemos variables y objetos auxiliares
rm(num1, num1_rep, num2, num2_rep)
bbdd$educ1_rep <- NULL
bbdd$educ2_rep <- NULL

#En función al género del respondente generamos las variables que identifican el nivel educacional alcanzado por el padre y la madre: 

#Educación del padre
bbdd$educpadre <-ifelse(bbdd$genero==0, bbdd$educ1, NA)
bbdd$educpadre <-ifelse(is.na(bbdd$educpadre), bbdd$educ2, bbdd$educpadre)

#Educación de la madre
bbdd$educmadre <-ifelse(bbdd$genero==1, bbdd$educ1, NA)
bbdd$educpadre <-ifelse(is.na(bbdd$educpadre), bbdd$educ2, bbdd$educpadre)

#Descriptivos
educ <- subset(bbdd, select = c("educpadre", "educmadre"))
skim_with(numeric = list(complete=NULL, p25=NULL, p50=NULL, p75=NULL),factor = list(complete=NULL), integer = list(complete=NULL), character = list(complete=NULL))
skim(educ) %>% pander()

Skim summary statistics
n obs: 6342
n variables: 2

#Gráficos 
ggplot(data=educ, aes(educpadre)) + geom_bar(aes(y = ((..count..)/sum(..count..))), stat="count", colour="black") + 
  scale_x_discrete(labels = c("0 a 10","10 a 25","26 a 100","101 a 200","200 o más")) +     scale_y_continuous(labels = scales::percent) +
  geom_text(aes(label = scales::percent(((..count..)/sum(..count..))),
                   y= ((..count..)/sum(..count..))), stat= "count", vjust=-.5, size=3) +
  ggtitle("Histograma educación padre (n=3026)") +
  labs(x = "Niveles educacionales", y = "%") +
  scale_x_continuous(breaks=c(seq(1,10,1))) 

ggplot(data=educ, aes(educmadre)) + geom_bar(aes(y = ((..count..)/sum(..count..))), stat="count", colour="black") + 
  scale_x_discrete(labels = c("0 a 10","10 a 25","26 a 100","101 a 200","200 o más")) +     scale_y_continuous(labels = scales::percent) +
  geom_text(aes(label = scales::percent(((..count..)/sum(..count..))),
                   y= ((..count..)/sum(..count..))), stat= "count", vjust=-.5, size=3) +
  ggtitle("Histograma educación de la madre (n=3396)") +
  labs(x = "Niveles educacionales", y = "%") +
  scale_x_continuous(breaks=c(seq(1,10,1))) 

#Removemos
rm(educ)

Dicho esto, se propone la siguiente asignación de categorías para los atributos de respuesta:

Valor 1: "Sin estudios"
Valor 2: "Educación Básica o Preparatoria incompleta" 
Valor 3: "Educación Básica o Preparatoria completa"
Valor 4: "Educación Media o Humanidades incompleta"
Valor 5: "Educación Media o Humanidades completa"
Valor 6: "Técnico Superior incompleta"
Valor 7: "Técnico Superior completa"
Valor 8: "Universitaria incompleta"
Valor 9: "Universitaria completa"
Valor 10: "Estudios de posgrado (magíster o doctorado)"

• Libros en el hogar: variable categórica que identifica la cantidad de libros en el hogar según el informante a cargo del estudiante (padre/madre).

#Libros en el hogar (padres)
bbdd$librospap <- bbdd$pap11
bbdd$librospap <-factor(bbdd$librospap, levels = c(1,2,3,4,5), labels = c("0 a 10", "11 a 25", "26 a 100", "101 a 200", "200 o más"))
librospap <- subset(bbdd, select = c("librospap"))
librospap <- na.omit(librospap)

#Frecuencias
libros_freq <- librospap %>%
  group_by(librospap)%>%
  summarize(n=n())%>%
  mutate(prop=n/sum(n)*100) 
libros_freq$prop <- round(libros_freq$prop, digits = 1)
total <- c("Total", 6267, 100)
libros_freq <- rbind(libros_freq, total)

#Tabla
colnames(libros_freq) <- c("Libros en el hogar (padres)", "Observaciones", "%")
datatable(libros_freq, rownames=FALSE, filter="none", options=list(pageLength=10, scro11X=TRUE), style="default", class="compact")

#Graficamos cantidad de libros en el hogar
ggplot(data=librospap, aes(librospap)) + geom_bar(aes(y = ((..count..)/sum(..count..))), stat="count", colour="black") + 
  scale_x_discrete(labels = c("0 a 11","10 a 25","26 a 100","101 a 200","200 o más")) +     scale_y_continuous(labels = scales::percent) +
  geom_text(aes(label = scales::percent(((..count..)/sum(..count..))),
                   y= ((..count..)/sum(..count..))), stat= "count", vjust=-.5, size=3) +
  ggtitle("Libros en el hogar padres (n=6267)") +
  labs(x = "Cantidad de libros", y = "%") 

#Removemos  
rm(libros_freq, librospap, total)

• Ocupación: La pregunta que responde a esta variable es la siguiente: ¿Cuál es su trabajo principal y la de su cónyuge/pareja? Sin embargo las categorías de respuesta disponible no entregan información suficiente para realizar una medición apropiada de esta dimensión:

  • Valor 0: “Vacío”
  • Valor 1: “Tiene marca”

Esta codificación no nos permite inferir algo sustantivo respectoa la ocupación de los padres.